基于因果影响独立模型的贝叶斯网络参数学习
来源期刊：控制与决策2015年第6期
论文作者：肖蒙 张友鹏
文章页码：1007 - 1013
关键词：贝叶斯网络;因果影响独立;样本集;参数学习;
摘 要：基于因果影响独立模型及其中形成的特定上下文独立关系,提出一种适于样本学习的贝叶斯网络参数学习算法.该算法在对局部概率模型降维分解的基础上,通过单父节点条件下的子节点概率分布来合成局部结构的条件概率分布,参数定义复杂度较低且能较好地处理稀疏结构样本集.实验结果表明,该算法与标准最大似然估计算法相比,能充分利用样本信息,具有较好的学习精度.
肖蒙1,2，张友鹏1
1. 兰州交通大学自动化与电气工程学院2. 五邑大学轨道交通学院
摘 要：基于因果影响独立模型及其中形成的特定上下文独立关系,提出一种适于样本学习的贝叶斯网络参数学习算法.该算法在对局部概率模型降维分解的基础上,通过单父节点条件下的子节点概率分布来合成局部结构的条件概率分布,参数定义复杂度较低且能较好地处理稀疏结构样本集.实验结果表明,该算法与标准最大似然估计算法相比,能充分利用样本信息,具有较好的学习精度.
关键词：贝叶斯网络;因果影响独立;样本集;参数学习;
